[发明专利]一种基于遥感图片与兴趣点数据的城市用地功能识别方法

权利要求书

1.一种基于遥感图片与兴趣点数据的城市用地功能识别方法，其特征在于：

a.通过多通道残差神经网络提取城市功能区对应遥感影像中的空间地理特征；

b.通过度量学习的方式提取城市功能区对应兴趣点数据中的功能分布特征；

c.通过多模态特征融合模组将a,b中的特征进行异构融合对城市用地功能进行识别；

该方法主要包括以下步骤：

(1)获取待研究城市功能区域的遥感影像数据与兴趣点(point-of-interest,POI)数据；

(2)构建多通道残差神经网络，提取遥感影像数据中的多维度特征，并进行融合得到城市功能区的空间地理特征向量；

(3)对获取的兴趣点数据进行预处理，统计其中各种类型兴趣点的频率密度与功能密度，构建基于度量学习的余弦度量矩阵，提取兴趣点数据中的功能分布特征；

(4)通过多模态特征融合模组，对两种不同维度的特征向量进行加权，在数据层面进行深度异构融合，综合分析当前城市区域的用地功能类型。

2.如权利要求1所述的基于遥感图片与兴趣点数据的城市用地功能识别方法，其特征在于在步骤(2)中构建的多通道残差神经网络，该网络考虑遥感影像中不同空间分辨率的特征图特点，通过多个通道分别提取图片中的高分辨率特征与低分辨率特征，并在网络中对不同分辨率的特征进行交叉融合，充分提取城市区域的空间地理特征信息。

3.如权利要求1所述的基于遥感图片与兴趣点数据的城市用地功能识别方法，其特征在于在步骤(3)中通过度量学习中的余弦距离度量方式，对待研究区域与各类城市用地功能的兴趣点平均分布向量进行相似度度量，构建余弦度量代价矩阵，充分提取城市区域中的功能分布特征。

4.如权利要求1所述的基于遥感图片与兴趣点数据的城市用地功能识别方法，其特征在于在步骤(4)中构建多模态特征融合模组，对上述提取的空间地理特征与功能分布特征进行加权，并在数据层面上将这两种不同维度的特征进行深度异构融合，提升城市用地功能类型识别的准确度。